[發明專利]視頻質量的評價方法、裝置、存儲介質及計算機系統

在審

• 申請號: 202210998957.4
• 申請日: 2022-08-19
• 公開（公告）號: CN115396664A
• 公開（公告）日: 2022-11-25
• 發明（設計）人: 王啟源;黃巍;崔航;張偉麗;王真
• 申請（專利權）人: 上海嗶哩嗶哩科技有限公司
• 主分類號: H04N17/00
• 分類號: H04N17/00;G06N3/04;G06N3/08
• 代理公司: 北京金誠同達律師事務所 11651
• 代理人: 馬中原;湯雄軍

1.一種視頻質量的評價方法，包括：

調整待評價視頻的分辨率，得到多個輸入視頻；

利用機器學習模型，分別生成所述輸入視頻的質量評價結果；以及

基于多個所述質量評價結果，生成待評價視頻的質量評價結果。

2.根據權利要求1所述的評價方法，還包括：

基于視頻以及所述視頻的質量評價結果，訓練所述機器學習模型。

3.根據權利要求2所述的評價方法，其中，所述訓練所述機器學習模型包括：

訪問用于所述機器學習模型的訓練樣本集中的訓練樣本，其中，所述用于所述機器學習模型的訓練樣本包括視頻以及所述視頻的目標質量評價結果；

利用所述機器學習模型，生成所述視頻的質量評價結果；以及

基于所述目標質量評價結果和所述質量評價結果之間的比較，更新所述機器學習模型。

4.根據權利要求1所述的評價方法，其中，所述機器學習模型包括視頻幀提取模塊，所述視頻幀提取模塊用于提取所述視頻的片段以及提取所述視頻的片段中的幀。

5.根據權利要求4所述的評價方法，其中，所述機器學習模型包括特征提取模型，所述特征提取模型包括用于提取所述視頻的片段中的幀的空域特征的第一卷積神經網絡，所述特征提取模型包括用于提取所述視頻的片段的時域特征的第二卷積神經網絡，其中，所述第一卷積神經網絡采用端到端的方式進行訓練。

6.根據權利要求4所述的評價方法，其中，所述機器學習模型包括回歸模塊，所述回歸模塊包括用于將所述視頻幀提取模塊提取的視頻幀的特征回歸成質量評價結果的人工神經網絡。

7.根據權利要求6所述的評價方法，其中，所述機器學習模型包括池化模塊，所述池化模塊包括用于將多個所述質量評價結果池化為待評價視頻的質量評價結果的池化層。

8.根據權利要求5所述的評價方法，其中，所述第一卷積神經網絡為二維卷積神經網絡，所述第二卷積神經網絡為三維卷積神經網絡。

9.根據權利要求8所述的評價方法，其中，所述第二卷積神經網絡為采用已知的動作識別數據集預訓練的三維卷積神經網絡。

10.根據權利要求1所述的評價方法，其中，所述基于多個所述質量評價結果，生成待評價視頻的質量評價結果包括：

對多個所述質量評價結果進行加權平均，得到待評價視頻的質量評價結果。

11.根據權利要求1-10任一項所述的評價方法，其中，所述質量評價結果為質量分數。

12.根據權利要求11所述的評價方法，還包括：

響應于待評價視頻的質量分數大于或等于預設閾值，確定待評價視頻滿足預設標準。

13.一種視頻質量的評價裝置，包括：

調整模塊，其配置為調整待評價視頻的分辨率，得到多個輸入視頻；

第一生成模塊，其配置為利用機器學習模型，分別生成所述輸入視頻的質量評價結果；以及

第二生成模塊，其配置為基于多個所述質量評價結果，生成待評價視頻的質量評價結果。

14.一種計算機程序產品，包括程序代碼指令，當所述程序產品由計算機執行時，所述程序代碼指令使所述計算機執行權利要求1至12中的至少一項所述的方法。

15.一種存儲有計算機指令的非暫時性計算機可讀存儲介質，其中，所述計算機指令用于使所述計算機執行根據權利要求1至12中的至少一項所述的方法。

16.一種計算機系統，包括：

處理器，

與所述處理器進行電子通信的存儲器；以及

指令，所述指令存儲在所述存儲器中并且可由所述處理器執行以使所述計算機系統執行根據權利要求1至12中的至少一項所述的方法。